Целебные технологии: как большие данные помогают врачам лечить пациентов
На конференции Forbes технический директор проекта по разработке медицинских приложений для пациентов Robomed Network Сергей Рыков рассказал о том, как клиники превращаются в IT-компании по сбору персональных данных
Современная клиника — это «фабрика» с огромным количеством конвейеров, работа которой до конца не отлажена. Это сотни тысяч услуг, в которых принимает участие огромное количество персонала. Это процессы, сложные и для оцифровки, и для визуализации.
Вопрос, как предсказать возвращение пациента в поликлинику, очень сложный и многогранный. Он начинается с того, как люди попадают в клинику, как они взаимодействуют с персоналом, насколько эффективна была врачебная помощь. Как в этом может помочь аналитика больших данных? Если немного обобщить, 20 лет назад медицина была полностью бумажной, 10 лет назад у врачей появились допотопные компьютеры, которые поглощали данные, но никак их не обрабатывали. Сейчас клиники хотят получить более гибкие процессы, визуализировать данные, чтобы возвращать клиентов обратно и персонифицированно подходить к каждому пациенту. Так современная клиника превращается в IT-компанию: данные собираются на каждом этапе взаимодействия пациента с персоналом, персонала внутри клиники или взаимодействия с внешними лабораториями для сдачи анализов. Все это — информационные системы, которые постоянно генерируют огромное количество информации.
Проблема лишь в том, что автоматизация многих клиник до сих пор находится на уровне каменного века или умеет обслуживать только определенные варианты поведения.
Впечатление клиента о клинике начинается прямо со входа: не успел он войти, как охранник ему кричит: «Бахилы!» — и заканчивая тем, насколько профессионально работает персонал. Но на самом деле плохое впечатление о клинике может возникнуть в любой момент, и клиникам важно эти моменты отследить.
Чтобы прогнозировать возвращение клиента, нужно собирать данные о его удовлетворенности услугами клиники, прогнозы заболеваний, обрабатывать различные гипотезы. К сожалению, вся эта информация часто теряется: пациент переходит из клиники в клинику из-за качества обслуживания, переезда, по рекомендации. И каждый раз ему приходится сдавать одни и те же анализы.
Согласно статистике, определенные группы пациентов, разделенные, например, по возрасту, полу или по другим параметрам, с большей вероятностью придут на повторный прием к определенным врачам. Соответственно, эта модель показывает, как можно разбивать и группировать пациентов по врачам. С одной стороны, она показывает тонкости специализации в работе самих врачей, а с другой — помогает на входе предлагать пациентам того врача (например, из трех неврологов), с которым у него существует самая высокая вероятность сработаться. И вот за счет этого у клиники повышается количество лояльных клиентов в долгосрочной перспективе.
С другой стороны, эффективные большие данные — это помощь врачу прямо во время приема. Во время осмотра врач заполняет протокол, в котором прописывает анамнез и жалобы пациента, а система с высокой точностью на основе обученной модели подсказывает ему коды заболеваний. Это повышает уровень обслуживания, потому что процент корректных диагнозов очень высок. А еще огромный массив данных по клиникам генерируется в процессе работы: как персонал взаимодействует с системой, какие существуют бизнес-процессы. Во многих клиниках, например, есть регламент приема. Например, пациентам с травмами особенно приятно, когда врач уделяет им чуть больше времени, и за счет этого они становятся существенно более лояльными.
Вечная борьба: что клинике приносит больше денег — повторное посещение клиники или уменьшение времени приема? На самом деле эти показатели должны развиваться параллельно. Одно не должно вытеснять другое. Для всего должны быть четкие регламенты.
Всегда существует риск того, что пациент придет на первичное обследование, а потом просто убежит. Но выгода должна быть не в том, чтобы клиент долго болел и сдавал как можно больше анализов, а в том, чтобы, если у него снова что-то заболит, он пришел в клинику еще раз и посоветовал ее своим друзьям.